一、噪声
图像常见噪声基本上有以下四种，高斯噪声，泊松噪声，乘性噪声，椒盐噪声。下面五幅图分别代表了，原图，以及添加了高斯噪声，泊松噪声，乘性噪声，椒盐噪声的图像。
1、原图。
2、高斯噪声。
高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。产生原因：
1)、图像传感器在拍摄时市场不够明亮、亮度不够均匀；
2)、电路各元器件自身噪声和相互影响；
3)、图像传感器长期工作，温度过高。
3、泊松噪声。
泊松噪声，就是符合泊松分布的噪声模型，泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数等等
4、乘性噪声。
乘性噪声一般由信道不理想引起，它们与信号的关系是相乘，信号在它在，信号不在他也就不在。
5、椒盐噪声。
椒盐噪声，椒盐噪声又称脉冲噪声，它随机改变一些像素值，是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。
二、滤波
1、介绍。
消除图像中的噪声成分叫作图像的平滑化或滤波操作。无论听广播还是看电视，频道就是频率的通道，不同的频道就是将不同的频率作为一个通道来进行信息传输。sin（3x）+sin（5x）的曲线把sin（5x）拿出去，看看剩下的是什么。这基本是不可能做到的。但是在频域呢，就是几条竖线而已。
所以很多在时域看似不可能做到的数学操作，在频域相反很容易。这就是需要傅里叶变换的地方。尤其是从某条曲线中去除一些特定的频率成分，这在工程上称为滤波，是信号处理最重要的概念之一，只有在频域才能轻松的做到。
2、均值滤波和和中值滤波。
均值滤波和和中值滤波都可以起到平滑图像，虑去噪声的功能。
均值滤波采用线性的方法，平均整个窗口范围内的像素值，均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。均值滤波对高斯噪声表现较好，对椒盐噪声表现较差。可以参考图像处理 均值滤波
带有权值的均值滤波也叫做高斯滤波，对高斯噪声的过滤处理效果比普通的均值滤波来的号。可以参考图像处理 高斯滤波
中值滤波采用非线性的方法，它在平滑脉冲噪声方面非常有效,同时它可以保护图像尖锐的边缘，选择适当的点来替代污染点的值，所以处理效果好，对椒盐噪声表现较好，对高斯噪声表现较差。可以参考图像处理 中值滤波
3、 傅里叶滤波。
对图像经过傅里叶转换之后的滤波。高通滤波，低通滤波是按频率划分的。对于正弦曲线，振幅变化快就是高频，变化慢就是低频。那么对于图像，像素值变化快就是高频（噪声啦，边缘啦、边缘及噪声在局部像素值变化较大），像素值变化慢就是低频。所以一幅图像低频较多，高频较少。高通滤波器（边缘提取，高频），通录波器（图像平滑，低频），中通滤波就是一个圆环。
